栗子 发自 凹非寺

量子位 报道 | 公众号 QbitAI

“Are You OK？”

“O！K！”

人脸不管做了多么一言难尽的表情，五官也不太会四处乱跑。

手就不一样了，手势百媚千娇，镜头看到的画面就百媚千娇。

所以，AI怎么识别手呢？

一位叫做Victor Dibia的程序猿说，“三行代码”就能实时追踪你的手，只要有个浏览器。

你还可以用手在屏幕上涂鸦，成为实至名归的灵魂画“手”：

Victor说，只要召唤出他的Handtrack.js库，模型便可以在网页上跑起来。

他还提供了线上Demo给大家玩耍。

十魔乱舞

进了Demo，按下开始检测的按钮，打开摄像头，就可以放飞自我了。

在下的手不甚优美，但还是忍不住乱舞了好一阵子。

手指自由挥舞，边框就敏捷地跟随。

除了随性活动手指之外，还尝试了一下狼人夜间的战术交流：

翻译一下：你，起跳预言家，给8号发个查杀。

(作为一个菜鸡玩家，通常夜里是轮不到我分配工作的，此处纯属借机过瘾。)

书归正传，手势频繁变换，AI依然紧追不舍；

除了打叉叉的时候，只识别了一只手。也许是因为手的侧面朝着屏幕，面积小，不容易识别吧。

如果你伸了两只手，AI却画了三个边框，可以调整一下左边的滑动条：

这是置信阈值 (Confidence Threshold) ，默认0.7，分值高于0.7就会认定是手，显示出边框；如果调高到0.8，那些得分0.7的疑似人手，就不会显示边框了。

除此之外，Demo也有涂鸦功能：

鉴于在下绘画功力有限，略去动态展示，大家可以自己去画一波。

模型如何食用？

Handtrack.js库，是程序猿用TensorFlow.js搭起来的。

里面的模型是用Egohands数据集养成，4800张人手的图片，背景有室内也有户外。

有了它，就不用自己训练模型了。直接拿来用，方法有两种：

第一种方法是在脚本标签 (Script Tag) 里，填上它的URL：

1<script src=""> </script>

把脚本标签添加到html页面之后，就可以用handTrack变量来引出这个库了：

1 const img = document.getElementById('img'); 2 handTrack.load().then(model => { 3 model.detect(img).then(predictions => {4 console.log('Predictions: ', predictions) // bbox predictions5 });6 });

上面这几句代码，是给手加了边框。只要提交每一帧视频，就可以追踪里面的手了，不论是摄像头实时拍摄的，还是已经拍好的视频。

第二种方法，是把这个库当做一个NPM包来安装：

1 npm install --save handtrackjs

然后，从NPM导入就可以了。

Victor说，大家可以用这个方法，来开发自己喜欢的应用。比如，做个游戏：

One More Thing

这个模型是训练好了。

但Victor说，也不是不让大家训练。

还说，想自己养成一只实时手部追踪模型的同学们，可以参照这个项目 (600星) ：

最后，送你Handtrack.js库的源代码：

线上Demo传送门：

Egohands数据集：

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态